Ingérer des données depuis Vimeo

info

Bêta

Cette fonctionnalité est en bêta. Pour l’utiliser, un administrateur de workspace doit activer Lakeflow Connect for Vimeo à partir de la page Aperçus . Consultez Gérer les aperçus Databricks.

Créez un pipeline d’ingestion Vimeo géré dans Lakeflow Connect en utilisant l’UI de Databricks, les Declarative Automation Bundles ou un Notebook Databricks. Le pipeline ingère les tables teams, team_members, team_roles et audit_logs dans Unity Catalog.

Exigences

• Pour créer un pipeline d’ingestion, remplissez d’abord les conditions suivantes :

  • Votre Workspace doit être activé pour Unity Catalog.

  • Le compute serverless doit être activé pour votre workspace. Voir Exigences du compute serverless.

  • Pour créer une connexion, vous devez disposer des privilèges CREATE CONNECTION sur le metastore. Consultez Gérer les privilèges dans Unity Catalog.

    Si le connecteur prend en charge la création de pipelines basée sur l’interface utilisateur, un administrateur peut créer la connexion et le pipeline en même temps en effectuant les étapes de cette page. Cependant, si les utilisateurs qui créent des pipelines utilisent la création de pipelines basée sur l’API ou sont des utilisateurs non administrateurs, un administrateur doit d’abord créer la connexion dans l’explorateur de catalogue. Voir Se connecter à des sources d’ingestion gérées.

  • Pour utiliser une connexion existante, vous devez disposer des privilèges USE CONNECTION ou ALL PRIVILEGES sur l’objet de connexion.

  • Vous devez avoir des privilèges USE CATALOG sur le catalogue cible.

  • Vous devez avoir les privilèges USE SCHEMA et CREATE TABLE sur un schéma existant ou les privilèges CREATE SCHEMA sur le catalogue cible.

• Pour ingérer des données à partir de Vimeo, configurez d’abord l’authentification à partir de Databricks et créez une connexion. Consultez Configurer l’authentification à Vimeo et Créer une connexion Vimeo.

Options du connecteur

Définissez l’option start_datetime limitée au pipeline dans source_configurations pour choisir où la première synchronisation audit_logs doit start. Pour plus de détails sur l’option, consultez Options du connecteur. Pour connaître l’utilisation, consultez Exemples.

Créer un pipeline d'ingestion

Pour la liste des tables sources prises en charge, voir Tables sources prises en charge.

Databricks UI

1. Dans la barre latérale du workspace Databricks, cliquez sur Ingestion de données .
2. Sur la page Ajouter des données , sous Connecteurs Databricks , cliquez sur Vimeo .
3. Sur la page Connexion de l’assistant d’ingestion, sélectionnez la connexion qui stocke vos informations d’identification Vimeo. Si vous disposez du privilège CREATE CONNECTION sur le métastore, cliquez sur Créer une connexion pour créer une connexion avec les informations d’identification de Configurer l’authentification auprès de Vimeo.
4. Cliquez sur Suivant .
5. Sur la page Configuration de l’ingestion , saisissez un nom pour le pipeline.
6. Sélectionnez un catalogue et un schéma dans lequel écrire les logs d’événements. Si vous disposez des privilèges USE CATALOG et CREATE SCHEMA sur le catalogue, cliquez sur Créer un schéma dans le menu déroulant pour créer un schéma.
7. Cliquez sur Créer un pipeline et continuer .
8. Sur la page Source , sélectionnez les tables à ingérer.
9. Cliquez sur Enregistrer et continuer .
10. Sur la page Destination , sélectionnez un catalogue et un schéma dans lesquels charger les données. Si vous avez les privilèges USE CATALOG et CREATE SCHEMA sur le catalogue, cliquez sur Créer un schéma dans le menu déroulant pour créer un schéma.
11. Cliquez sur Enregistrer et continuer .
12. (Facultatif) Sur la page Programmes et notifications , cliquez sur Créer un programme . Définissez la fréquence de refresh des tables de destination.
13. (Facultatif) Cliquez sur Ajouter une notification pour définir les notifications par e-mail en cas de succès ou d'échec de l'opération de pipeline, puis cliquez sur Enregistrer et exécuter le pipeline .

Declarative Automation Bundles

Utilisez les Declarative Automation Bundles pour gérer les pipelines Vimeo en tant que code. Les bundles peuvent contenir des définitions YAML de Jobs et de tâches, sont gérés à l'aide de la CLI Databricks et peuvent être partagés et exécutés dans différents Workspace cibles (tels que le développement, la pré-production et la production). Pour plus d'informations, consultez Que sont les Declarative Automation Bundles ?.

1. Créer un bundle à l’aide de la CLI Databricks :

   Bash

   databricks bundle init

2. Ajoutez deux nouveaux fichiers de ressources au bundle :

   • Fichier de définition de pipeline (par exemple, resources/vimeo_pipeline.yml). Voir pipeline.ingestion_definition et des exemples.
   • Un fichier de définition de job qui contrôle la fréquence d'ingestion des données (par exemple, resources/vimeo_job.yml).

3. Déployez le pipeline à l'aide de la CLI Databricks :

   Bash

   databricks bundle deploy

Databricks notebook

1. Importez le Notebook suivant dans votre Workspace Databricks :

Ouvrir le notebook dans un nouvel ongletOuvrir dans Databricks

2. Laissez les cellules un et deux telles qu'elles sont. Ne pas modifier.

3. Modifiez la cellule trois avec les détails de votre configuration de pipeline. Voir pipeline.ingestion_definition et Exemples.

4. Configurez éventuellement les paramètres avancés du pipeline. Voir Modèles courants pour les pipelines d'ingestion gérés.

5. Cliquez sur Tout exécuter .

Exemples

Le connecteur Vimeo met à disposition 4 tables sources dans le schéma source default. Ingérez des tables individuelles ou le schéma entier.

Ingérer des tables spécifiques

Utilisez cette option pour ingérer un sous-ensemble spécifique de tables ou pour personnaliser le nommage de destination par table.

Declarative Automation Bundles

Le fichier de définition de pipeline suivant ingère des tables Vimeo individuelles :

YAML

resources:
  pipelines:
    vimeo_pipeline:
      name: vimeo_pipeline
      catalog: 'main'
      target: 'vimeo_data'
      ingestion_definition:
        connection_name: vimeo_connection
        source_configurations:
          - api_source_connector_config:
              configs:
                start_datetime: '<start-date>'
        objects:
          - table:
              source_schema: 'default'
              source_table: 'teams'
              destination_catalog: 'main'
              destination_schema: 'vimeo_data'
              destination_table: 'teams'
          - table:
              source_schema: 'default'
              source_table: 'team_members'
              destination_catalog: 'main'
              destination_schema: 'vimeo_data'
              destination_table: 'team_members'
          - table:
              source_schema: 'default'
              source_table: 'team_roles'
              destination_catalog: 'main'
              destination_schema: 'vimeo_data'
              destination_table: 'team_roles'
          - table:
              source_schema: 'default'
              source_table: 'audit_logs'
              destination_catalog: 'main'
              destination_schema: 'vimeo_data'
              destination_table: 'audit_logs'

Databricks notebook

La spécification de pipeline suivante ingère des tables Vimeo individuelles :

Python

pipeline_name = "vimeo_pipeline"
connection_name = "<vimeo-connection>"
pipeline_spec = {
  "name": pipeline_name,
  "ingestion_definition": {
    "connection_name": connection_name,
    "source_configurations": [
      {
        "api_source_connector_config": {
          "configs": {
            "start_datetime": "<start-date>"
          }
        }
      }
    ],
    "objects": [
      {
        "table": {
          "source_schema": "default",
          "source_table": "teams",
          "destination_catalog": "main",
          "destination_schema": "vimeo_data",
          "destination_table": "teams"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "team_members",
          "destination_catalog": "main",
          "destination_schema": "vimeo_data",
          "destination_table": "team_members"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "team_roles",
          "destination_catalog": "main",
          "destination_schema": "vimeo_data",
          "destination_table": "team_roles"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "audit_logs",
          "destination_catalog": "main",
          "destination_schema": "vimeo_data",
          "destination_table": "audit_logs"
        }
      }
    ]
  }
}
json_payload = json.dumps(pipeline_spec, indent=2)
create_pipeline(json_payload)

Ingérer le schéma entier

Utilisez cette option pour ingérer toutes les tables sources Vimeo dans un seul schéma de destination avec une seule déclaration.

Declarative Automation Bundles

Le fichier de définition de pipeline suivant ingère toutes les tables Vimeo supportées dans un schéma de destination :

YAML

resources:
  pipelines:
    vimeo_pipeline:
      name: vimeo_pipeline
      catalog: 'main'
      target: 'vimeo_data'
      ingestion_definition:
        connection_name: vimeo_connection
        source_configurations:
          - api_source_connector_config:
              configs:
                start_datetime: '<start-date>'
        objects:
          - schema:
              source_schema: 'default'
              destination_catalog: 'main'
              destination_schema: 'vimeo_data'

Databricks notebook

La spécification de pipeline suivante ingère toutes les tables Vimeo prises en charge dans un schéma de destination :

Python

pipeline_name = "vimeo_pipeline"
connection_name = "<vimeo-connection>"
pipeline_spec = {
  "name": pipeline_name,
  "ingestion_definition": {
    "connection_name": connection_name,
    "source_configurations": [
      {
        "api_source_connector_config": {
          "configs": {
            "start_datetime": "<start-date>"
          }
        }
      }
    ],
    "objects": [
      {
        "schema": {
          "source_schema": "default",
          "destination_catalog": "main",
          "destination_schema": "vimeo_data"
        }
      }
    ]
  }
}
json_payload = json.dumps(pipeline_spec, indent=2)
create_pipeline(json_payload)

Fichier de définition de job Declarative Automation Bundles

Le fichier suivant est un exemple de définition de job à utiliser avec les Declarative Automation Bundles. Le job s’exécute quotidiennement.

Declarative Automation Bundles

YAML

resources:
  jobs:
    vimeo_job:
      name: vimeo_job
      schedule:
        quartz_cron_expression: '0 0 0 * * ?'
        timezone_id: 'UTC'
      tasks:
        - task_key: vimeo_ingestion
          pipeline_task:
            pipeline_id: ${resources.pipelines.vimeo_pipeline.id}

Modèles courants

Pour les configurations de pipeline avancées, voir Modèles courants pour les pipelines d'ingestion gérés.

Étapes suivantes

Start, planifiez et définissez des alertes sur votre pipeline. Voir Tâches de maintenance courantes des pipelines.

Ressources supplémentaires

• FAQ du connecteur Vimeo
• Limitations du connecteur Vimeo
• Référence du connecteur Vimeo
• Dépanner le connecteur Vimeo